基于位置筛选的人脸识别1比N算法优化方法技术

本发明专利技术提出了一种基于位置筛选的人脸识别1比N算法优化方法，包括：用户在APP内注册账号，获得用户授权情况下将用户身份信息输入总用户数据库；基站或其他感知设备捕获其服务范围内所有用户手机中的编码信息，在所述总用户数据库中找到与之对应的用户信息的源图像，并形成感知设备区域内活跃用户人脸库；当用户通过人脸识别设备时，采集用户头像图像，将所述用户头像图像与所述基站内活跃用户人脸库数据表中存储的多个源图像进行相似度比对，确定是否存在与所述头像图像相似度超出预设阈值的源图像；在确定存在的情况下，将相似度最高的源图像对应的用户身份作为所述目标用户的身份，相关设备执行相关操作。

Optimization method of 1-to-N algorithm for face recognition based on position selection

The invention proposes a 1-to-N algorithm optimization method for face recognition based on location filtering, which includes: the user registers an account in the app, inputs the user identity information into the total user database when the user is authorized; the base station or other sensing devices capture the coding information in all users' mobile phones within its service scope, and finds the corresponding user information in the total user database The source image of the information, and forms the active user face database in the sensing device area; when the user passes the face recognition device, the user's head image is collected, and the user's head image is compared with multiple source images stored in the active user face database data table in the base station to determine whether there is a source image whose similarity with the head image exceeds the preset threshold; and When it is determined that the user identity corresponding to the source image with the highest similarity is the identity of the target user, and the related device performs the related operation.

【技术实现步骤摘要】
基于位置筛选的人脸识别1比N算法优化方法
本专利技术涉及人脸识别
，具体而言，涉及一种基于位置筛选的人脸识别1比N算法优化方法。
技术介绍
人脸识别(FacialRecogNitioN)，即通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，从而判断出用户的真实身份。人脸识别算法，在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法，识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。人脸识别算法的原理：系统输入一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。现有技术中，人脸识别技术在日常生活中主要有两种用途，一是用来进行人脸验证(又叫人脸比对)，验证“你是不是某某人”，这类技术叫做人脸识别1:1模式。还有一种用于人脸识别，验证“你是谁”，这类技术叫做人脸识别1：N模式。1：N算法在疑犯追踪，小区门禁，会场签到，以及新零售概念里有大量应用。1：N人脸识别模式同时具有动态比对与非配合两种特点。动态对比是指通过对动态视频流的截取来获得人脸数据并进一步比对的过程；而非配合性是指识别的过程表现出非强制性与高效性的特点，识别对象无需到特定的位置便能完成人脸识别的工作。由于这两个特性使1：N身份认证模式能迅速落地于公共安全管理与VIP客户人脸识别等场景，其挑战在于算法面临多种挑战，如曝光过度、逆光、侧脸、远距离等。过渡曝光和逆光等图片质量问题可以通过优化图像采集设备的光学参数解决，侧脸和距离等问题可以通过部署位置优化或者采集设备冗余方式解决。最大的挑战是来自人脸底库样本规模的挑战，即人脸库规模带来算力的挑战，公开媒体信息显示目前还没有10万人以上规模的1：N算法的商业应用，因此，该技术问题急需解决。
技术实现思路
鉴于此，本专利技术提出了一种基于位置筛选的人脸识别1比N算法优化方法，旨在解决现有的当N过大所造成的算法准确率降低的技术问题。本专利技术提出了一种基于位置筛选的人脸识别1比N算法优化方法，包括：用户在APP内注册账号，获得用户授权情况下将用户身份信息输入总用户数据库；基站或其他感知设备捕获其服务范围内所有用户手机中的编码信息，在所述总用户数据库中找到与之对应的源图像的用户信息，并形成感知设备区域内活跃用户人脸库；当用户通过人脸识别设备时，采集用户头像图像，将所述用户头像图像与所述基站内用户数据表中存储的多个源图像进行相似度比对，确定是否存在与所述头像图像相似度超出预设阈值的源图像；在确定存在的情况下，将相似度最高的源图像对应的用户身份作为所述目标用户的身份，相关设备执行相关操作。进一步地，所述用户信息包括用户身份证信息、手机号、人脸图像、IMSI、MAC地址、IMEI、ICCID。进一步地，用户通过在APP内注册账号进行登录，在注册过程中设置加密模块以及解密模块。进一步地，所述总用户数据库授权服务提供商在安检通行、VIP识别、车辆通行、购物场景下使用上述信息。进一步地，在执行相关操作时，为通过门禁、扣费、消费。进一步地，所述基站与APP之间通信方式为移动数据或者无线数据。进一步地，采集用户头像图像信息根据待完成的业务类型，设定扫描时间、扫描方式。进一步地，获取图谱信息时，对信号波形，在每连续的K个周期内，每周期选择n个预设时刻的采样点，每间隔时间T0采样一次，连续取样M次；在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算，式中，Δt表示采样点的时间间隔，a为修正系数，其大小由采样点数量决定，ω表示拍照信号的角频率，由采集设备的性能决定，β为初始相角，T表示信号周期的时间，λ表示信号波形的峰值。进一步地，在进行图像对比时，获取图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N；第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M；图谱f(i,j)的最大值为Vmax，最小值为Vmin，其中，T0＝1/2(Vmin+Vmax)(2)；计算第一像素和第二像素的灰度均值的全局阈值T；计算第一像素和第二像素的方差σ2σ2＝(PA+PB)(T-T0)2(4)。进一步地，所述第一像素的概率为：所述第二像素的概率为：当方差在预设范围内，以T为全局阈值对所述图谱进行分割。与现有技术相比，本专利技术的有益效果在于，本专利技术基于位置筛选的人脸识别1比N算法优化方法能够用于解决当N过大所造成的算法准确率降低的问题。在现实场景中，N对应人脸库所包含的样本数量，当人脸库样本数高于一定数值的时候，算法计算量会以几何数量级上升，同时误识率会快速上升而达不到商业可用的要求。本专利技术提出的方法可以在用户授权的情况下，通过无线基站等设备感知区域内活跃的手机，进而与用户注册信息进行匹配，动态得到活跃用户人脸库，活跃用户人脸库的样本规模远远小于总用户样本规模，在活跃用户人脸库基础上进行1比N人脸识别算法，可以得到较低的误识率和消耗较低的计算资源，使得在海量用户的互联网应用中识别人脸识别成为可能，加速如地铁刷脸进站，无人商店刷脸消费，线下精准营销等领域的商业化进程。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。图1为本专利技术实施例提供的其中一实施例的原理结构框图；图2为本专利技术实施例提供的基于位置筛选的人脸识别1比N算法优化方法的流程图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。参阅图1所示，其为本专利技术提供的其中一实施例的的原理结构框图，图2为本专利技术实施例提供的基于位置筛选的人脸识别1比N算法优化方法的流程图；本实施例的基于位置筛选的人脸识别1比N算法优化方法包括：步骤a，用户在APP内注册账号，在获得用户授权的情况下将用户身份信息输入总用户数据库；在本实施例中，用户信息包括用户身份信息和图像信息，包括身份证信息、手机号、人脸图像、IMSI、MAC地址、IMEI、ICCID。其中，APP通过手机或其他移动终端加载，用户通过在APP本文档来自技高网...

【技术保护点】
1.一种基于位置筛选的人脸识别1比N算法优化方法，其特征在于，包括：/n用户在APP内注册账号，获得用户授权情况下将用户身份信息输入总用户数据库；/n基站或其他感知设备捕获其服务范围内所有用户手机中的编码信息，在所述总用户数据库中找到与之对应的源图像的用户信息，并形成感知设备区域内活跃用户人脸库；/n当用户通过人脸识别设备时，采集用户头像图像，将所述用户头像图像与所述基站内用户数据表中存储的多个源图像进行相似度比对，确定是否存在与所述头像图像相似度超出预设阈值的源图像；/n在确定存在的情况下，将相似度最高的源图像对应的用户身份作为所述目标用户的身份，相关设备执行相关操作。/n

【技术特征摘要】
1.一种基于位置筛选的人脸识别1比N算法优化方法，其特征在于，包括：
用户在APP内注册账号，获得用户授权情况下将用户身份信息输入总用户数据库；
基站或其他感知设备捕获其服务范围内所有用户手机中的编码信息，在所述总用户数据库中找到与之对应的源图像的用户信息，并形成感知设备区域内活跃用户人脸库；
当用户通过人脸识别设备时，采集用户头像图像，将所述用户头像图像与所述基站内用户数据表中存储的多个源图像进行相似度比对，确定是否存在与所述头像图像相似度超出预设阈值的源图像；
在确定存在的情况下，将相似度最高的源图像对应的用户身份作为所述目标用户的身份，相关设备执行相关操作。


2.根据权利要求1所述的基于位置筛选的人脸识别1比N算法优化方法，其特征在于，所述用户信息包括用户身份证信息、手机号、人脸图像、IMSI、MAC地址、IMEI、ICCID。


3.根据权利要求1所述的基于位置筛选的人脸识别1比N算法优化方法，其特征在于，用户通过在APP内注册账号进行登录，在注册过程中设置加密模块以及解密模块。


4.根据权利要求1所述的基于位置筛选的人脸识别1比N算法优化方法，其特征在于，所述总用户数据库授权服务提供商在安检通行、VIP识别、车辆通行、购物场景下使用上述信息。


5.根据权利要求1所述的基于位置筛选的人脸识别1比N算法优化方法，其特征在于，在执行相关操作时，为通过门禁、扣费、消费。


6.根据权利要求1所述的基于位置筛选的人脸识别1比N算法优化方法，其特征在于，所述基站与APP之间通信方式为移动数据或者无线数据。

【专利技术属性】
技术研发人员：徐雪莲，孙久然，兰岚，
申请(专利权)人：北京阿拉丁智慧科技有限公司，
类型：发明
国别省市：北京;11